Robotların karmaşık manipülasyon görevlerini hızla öğrenmesi, pratik kullanımda kritik bir gereklilik olmakla birlikte, bu konuda önemli zorluklar bulunuyor. İnsanlar yüksek hızlarda gösterim yapamadığı gibi, mevcut gösterileri basitçe hızlandırmak temas dinamiklerini bozarak büyük izleme hatalarına neden oluyor.
Araştırmacılar, bu soruna çözüm olarak Kademeli Yinelemeli Referans Öğrenme Kontrolü (I2RLC) adını verdikleri yenilikçi bir yöntem geliştirdi. Bu teknik, gözlemlenen izleme hatalarından yararlanarak referans yörüngeleri yinelemeli olarak güncelleyen IRLC (Yinelemeli Referans Öğrenme Kontrolü) yaklaşımını yeniden yapılandırıyor.
Geleneksel IRLC yönteminin yüksek hızda doğrudan uygulanması, erken iterasyonlarda daha büyük hatalara ve daha az kararlı geçişlere yol açıyordu. I2RLC bu sorunu, hızı kademeli olarak artırırken aynı zamanda referansı güncelleyerek çözüyor ve böylece yüksek doğrulukta yörüngeler elde ediyor.
Yeni yöntem, gerçek robot deneyleriyle doğrulandı. Tahta silme ve delik içine çubuk sokma görevlerinde, uyumlu kontrollü bir teleoperasyon kurulumu kullanılarak başarılı sonuçlar elde edildi. Bu gelişme, robotların temas açısından zengin görevleri daha verimli şekilde öğrenmesini sağlayarak, endüstriyel otomasyon alanında pratik uygulamalara kapı açıyor.